Analyse Discriminante Robuste
L'analyse discriminante robuste est une méthode de classification qui sépare les groupes à l'aide d'une fonction discriminante linéaire tout en résistant à l'influence des valeurs aberrantes. Elle remplace la moyenne et la covariance classiques par un estimateur à point de rupture élevé tel que le Minimum Covariance Determinant (MCD), une approche développée par Hawkins & McLachlan (1997) et Croux & Dehon (2001).
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Hawkins, D. M. & McLachlan, G. J. (1997). High Breakdown Linear Discriminant Analysis. Journal of the American Statistical Association, 92(437), 136-143. DOI: 10.1080/01621459.1997.10473610 ↗
- Croux, C. & Dehon, C. (2001). Robust Linear Discriminant Analysis Using S-Estimators. Canadian Journal of Statistics, 29(3), 473-493. DOI: 10.2307/3316042 ↗
Comment citer cette page
ScholarGate. (2026, June 1). High-Breakdown Robust Linear Discriminant Analysis. ScholarGate. https://scholargate.app/fr/statistics/robust-discriminant-analysis
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Erreurs-types robustes à l'hétéroscédasticité (HC)Statistique↔ compare
- Analyse discriminante linéaire (ADL)Apprentissage automatique↔ compare
- Régression logistiqueStatistiques de recherche↔ compare
- Analyse discriminante quadratique (QDA)Apprentissage automatique↔ compare
- Régression logistique robusteStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →